Change Detection and Image Time Series Analysis 2: Supervised Methods
Change Detection and Image Time Series Analysis 2 przedstawia nadzorowane metody oparte na uczeniu maszynowym do analizy ewolucji czasowej przy użyciu szeregów czasowych obrazów powiązanych z danymi z obserwacji Ziemi. Rozdział 1 dotyczy fuzji wielosensorowych, wielorozdzielczych i wieloczasowych danych. Zaproponowano w nim dwa nadzorowane rozwiązania oparte na losowym polu Markowa: pierwsze opiera się na quad-drzewie, a drugie jest specjalnie zaprojektowane do radzenia sobie z szeregami czasowymi o wielu emisjach, wielu częstotliwościach i wielu rozdzielczościach.
Rozdział 2 zawiera przegląd opartych na pikselach metod klasyfikacji szeregów czasowych, od najwcześniejszych metod płytkiego uczenia się do najnowszych podejść opartych na głębokim uczeniu się.
Rozdział 3 koncentruje się na szeregach czasowych danych o bardzo wysokiej rozdzielczości przestrzennej oraz na wykorzystaniu informacji semantycznych do modelowania przestrzenno-czasowych wzorców ewolucji.
Rozdział 4 koncentruje się na wyzwaniach związanych z analizą gęstych szeregów czasowych, w tym na aspektach przetwarzania wstępnego i taksonomii istniejących metodologii. Wreszcie, ponieważ ocena systemu uczącego się może podlegać wielu rozważaniom.
Rozdziały 5 i 6 oferują obszerne oceny metodologii i ram uczenia się wykorzystywanych do tworzenia map zmian, w kontekście wieloklasowych i/lub wieloetykietowych zagadnień klasyfikacji zmian.
